Expanding Protein Structure Prediction into Conformational State Space
本論文は、タンパク質の構造予測は、単一の支配的なコンフォメーションを特定することから、アクセス可能な全状態のアンサンブル、それらのエネルギー的および速度論的な関係、そして摂動に対する応答を復元する包括的な状態空間推論問題へと進化すべきであると論じている。
原論文は CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/) のもとパブリックドメインに提供されています。 これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む
生命の変幻自在な秘密
あなたが車の仕組みを理解しようとしている場面を想像してみてください。長い間、科学者たちは、ガレージに停まっている車の高解像度写真を撮ることが、その最善の方法だと考えてきました。もし停車中の車の正確な形を知っていれば、それが何をするのかを推測できると考えたのです。車輪が4つあるから走行する、エンジンがあるから動く、といった具合です。これは単純なものに対しては非常にうまく機能しました。しかし、もしその車が単に停車しているだけではなかったらどうでしょう？ もし、雨が降っているとき、晴れているとき、あるいは重い荷物を運んでいるときに応じて、ヘリコプターやボート、あるいはオートバイへと変形できるとしたら？ もしあなたが停車中の車の写真だけを見ていたなら、その魔法を完全に見逃してしまうことになります。その車がどのように空を飛び、どのように浮くのかを知ることはできないのです。
これは、科学者がタンパク質に対して直面しているパズルそのものです。タンパク質は、あらゆる生命体を維持している微小でミクロな機械です。それらは私たちの筋肉を作り、ウイルスと戦い、血液を通じて酸素を運びます。数十年間、生物学における「ゴールドスタンダード（標準）」は、タンパク質が静止しているときの、いわば凍りついた彫像のような形を解明することでした。私たちは、彫像の形を知れば、物語のすべてを知ることができると考えてきました。しかし、生命は静的なものではありません。タンパク質は彫像というよりも、むしろアクロバットに近い存在です。彼らは仕事をこなすために、ねじれ、回転し、形を変えます。時には、特定の化学物質が現れたときや、温度が変化したときにだけ現れる、特別な「隠れたモード」を持っていることもあります。もし私たちが「停車中」のバージョンだけを見ているとしたら、生命を実際に機能させているアクロバットを見逃してしまうのです。
論文：一枚の写真から一本の映画へ
NIHやトロント大学などの機関の研究者チームによって書かれたこの論文は、タンパク質の単一の写真を撮ることをやめ、その一生を記録した一本の映画を作るべきだと主張しています。著者たちは、現在、タンパク質の構造を予測するために使用されている人工知能（AI）の手法が、あまりにも限定的すぎることを示唆しています。現在、これらのAIモデルは、遺伝暗号に基づいて、タンパク質のたった一つの「支配的な」形を予測することには驚異的に優れています。それは、緑色の葉の上に座っているカメレオンの完璧な絵を描けるAIのようなものです。しかし、もしその同じカメレオンが、花の上で隠れるために赤色に変わったり、空に溶け込むために青色に変わったりする必要があるとしたら、緑色のバージョンだけを描くAIはその本質を見失っています。
この論文は、多くのタンパク質は単一の形を持っているのではなく、一連の「状態空間（ステート・スペース）」を持っていることを説明しています。これは、複数の滑り台、ブランコ、クライミングウォールがある遊び場のようなものだと考えてください。タンパク質はその時間の大部分をブランコ（主要な形）の上で過ごしているかもしれませんが、ウイルスを捕まえたり遺伝子をオンにしたりするために、時には滑り台（別の形）を滑り降りる必要があります。問題は、現在のAIツールが、主にラボで見つかる「凍結された」タンパク質の写真、つまり通常は最も安定していて一般的な形状に基づいて訓練されていることです。これは、AIが他の形状を無視してしまうことを意味します。たとえそれらの「稀な」形状こそが、薬を中に取り込むための秘密のポケットを開くといった、重要な仕事を行っている場合であってもです。
著者たちは、この限界が事態が複雑になったときに大きな問題になることを指摘しています。例えば、いくつかのタンパク質は「メタモルフィック（変態性）」であり、同じ遺伝暗号から二つの全く異なる構造が作られることがあります。これは、ロボットから車へと変化するトランスフォーマーのおもちゃのようなものです。現在のAIツールは、二つの答えではなく、たった一つの答えを見つけようとする傾向があるため、ここでしばしば失敗します。同様に、タンパク質は薬や特定のイオンと結合したとき、あるいは環境のpH（酸性度）が変化したときに形を変えることがよくあります。もしAIが環境について知らなければ、その形の変化を予測することはできません。論文は、「このタンパク質の形は何ですか？」と問う代わりに、「このタンパク質が取り得るすべての形は何であり、どのくらいの頻度でそれらの間を切り替わり、何がその切り替えを引き起こすのか？」と問うべきであると提案しています。
なぜ新しい地図が必要なのか
この論文は、私たちが現在どのようにこの問題を解決しようとしているかをレビューしています。一部の科学者は、シェフに少しずつ異なる材料で料理を作らせて味の変化を見るように、AIが見るデータを変えることで、AIに異なる形状を見せようとしています。他の人々は、物理ベースのコンピュータシミュレーションを使用して、タンパク質がゆらゆらと動く様子を観察していますが、これらのシミュレーションは、一時間に一フレームずつ撮影して映画を作ろうとするようなもので、非常に遅く、コストもかかります。著者たちは将来への「ロードマップ」を提案しています。それは、単に一つの形を推測するのではなく、可能性の全「ランドスケープ（景観）」を予測する新しい種類のAIです。
この新しいアプローチは、チームプレーヤーである必要があります。それは、AIのスピードと、物理シミュレーションの正確さ、そして現実世界の実験を組み合わせたものになるでしょう。AIが考えうる形状のリストを提案し、物理学の部分がそれらの形状が安定しているか、および切り替えにどれだけのエネルギーが必要かをチェックし、そして現実の実験（ラボでタンパク質の瞬間的なスナップショットを撮るなど）が、実際に自然界で起きていることを確認するというシステムを想像してください。論文は、私たちがタンパク質の「停車中」の形状を予測することにおいて多大な進歩を遂げてきた一方で、次の大きなブレイクスルーは、単一の原子の座標をより精密に取得することではなく、タンパク質のダイナミックなダンスを理解することにあると述べています。
著者たちは、私たちはまだそこに至っていないと慎重に述べています。現在のツールは、これらの代替的な形状を見つけることができることもありますが、タンパク質がその形状である確率がどの程度か、あるいはどのくらいの速さで切り替わるのかを伝えることはできないことがよくあります。また、AIからの「高い信頼度」スコアが、必ずしもその形状が生物学的に実在することを意味するわけではないとも警告しています。それは単に、AIがその形状を訓練データの中で多く見たことを意味しているに過ぎないかもしれません。タンパク質がどのように機能するかを真に理解するためには、静的な地図から、天気、交通量、そしてドライバーの気分までを含む動的な地図へと移行する必要があります。これを行うことで、私たちはタンパク質の「秘密のモード」を標的とするより優れた薬を設計し、タンパク質が間違った形で固まってしまうことによって引き起こされる疾患を理解し、私たちを私たちたらしめている機械の、完全で生きた姿をようやく見ることができるのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。